Transformer une image chinoise en texte modifiable

Une capture d’écran d’une étiquette chinoise peut contenir exactement l’information recherchée, sans permettre de sélectionner le moindre mot. La reconnaissance optique de caractères, ou OCR, transforme les caractères visibles en texte modifiable. Le résultat utile est une transcription vérifiée : un nom à rechercher, un passage à étudier ou une quantité à copier sans la retaper.

Partez de l’image la plus nette, choisissez la langue réellement imprimée et traitez une zone cohérente à la fois. Comparez ensuite le résultat à l’image avant de le traduire, de convertir les caractères simplifiés en traditionnels ou de reporter les nombres dans un autre document. Une phrase qui semble naturelle peut tout de même contenir un caractère erroné.

Choisir la meilleure image disponible

Essayez d’abord de sélectionner le texte d’origine. Une page web ou un PDF peut déjà posséder une couche de texte exploitable, contrairement à sa capture d’écran. Copiez un court passage et comparez-le à ce qui est affiché. Si la copie est fidèle, vous pouvez éviter la reconnaissance. Utilisez l’OCR lorsque l’information n’existe que sous forme de pixels ou lorsque la couche de texte est inutilisable.

Préférez la capture originale ou la photo en pleine résolution à une miniature transférée dans plusieurs messages. Agrandissez l’image pour examiner les petits traits des caractères chinois. Si ces traits se sont confondus ou ont disparu, agrandir encore cette même image floue ne rétablira pas l’information perdue. Cherchez une source plus nette lorsque c’est possible.

Pour prendre une nouvelle photo, posez la page à plat, placez l’appareil bien en face et éclairez-la uniformément. Vérifiez que les ombres, les reflets et la courbure près de la reliure ne masquent pas le passage recherché. Une image couchée doit être tournée ; une page qui paraît plus étroite en haut exige une meilleure prise de vue ou une correction de perspective dans un éditeur d’images.

L’outil ChinaClue accepte les images PNG, JPEG et WebP, dans les limites de 15 Mo et de 24 millions de pixels. Pour un PDF, exportez d’abord la page nécessaire en image. Si l’image est trop grande, isolez le passage utile dans un éditeur avant de sélectionner le fichier. Laissez une petite marge autour des caractères pour ne pas couper leurs traits.

Respecter la langue et la disposition

La langue du site et celle de la reconnaissance n’ont pas la même fonction. Vous pouvez utiliser une interface anglaise pour lire un avis en chinois traditionnel. Dans l’outil OCR, choisissez Chinois traditionnel + anglais, car c’est la langue du document, même si vous souhaitez ensuite obtenir une version en chinois simplifié.

Choisissez Chinois simplifié + anglais pour un passage en caractères simplifiés, ou l’option réunissant chinois simplifié, traditionnel et anglais lorsque le passage les mélange réellement. Pour une image entièrement en anglais, choisissez Anglais. Ajouter des langues ne compense pas le manque de netteté et peut nécessiter le téléchargement de données de reconnaissance supplémentaires.

Prenons une étiquette portant 净含量 et sa version traditionnelle portant 淨含量. Les deux indiquent le contenu net, mais le premier caractère n’a pas la même forme imprimée. L’OCR doit d’abord retrouver les caractères présents dans la source. Choisir le modèle traditionnel ne demande pas de convertir tous les résultats en chinois traditionnel ; choisir une interface anglaise ne demande pas non plus une traduction en anglais.

La disposition décrit l’organisation du texte, pas son sujet. Une étiquette de prix ne relève pas nécessairement du texte dispersé : une étiquette compacte peut mieux fonctionner comme un seul bloc. Commencez par le réglage qui correspond à la zone choisie, puis comparez-en un autre seulement si le premier résultat présente un problème précis.

Traiter une zone complète à la fois

Ouvrez l’outil de reconnaissance de texte chinois et sélectionnez l’image. Examinez l’aperçu avant de lancer la reconnaissance. Les commandes de rotation à gauche et à droite tournent l’image de 90 degrés. Tournez-la avant de définir la zone, car la rotation réinitialise le recadrage. Une légère inclinaison nécessite une correction dans un éditeur d’images, pas un quart de tour supplémentaire.

Faites glisser le pointeur sur l’aperçu pour délimiter une zone, ou réglez les pourcentages de position gauche, de position haute, de largeur et de hauteur. Incluez un paragraphe, une étiquette ou une colonne entière. Ne recadrer que le nombre risque d’exclure l’unité ou l’intitulé nécessaire pour l’interpréter. Si le résultat mélange les lignes d’une page à deux colonnes, reconnaissez les colonnes séparément.

Choisissez la langue imprimée et la disposition, puis lancez Reconnaître le texte. Le navigateur charge les données de reconnaissance et traite la zone sélectionnée sur votre appareil. Le téléchargement des modèles nécessite toujours une connexion : le traitement dans le navigateur ne signifie donc pas que la page fonctionne toujours hors ligne. Gardez l’onglet ouvert pendant le traitement ; utilisez Annuler si vous souhaitez l’arrêter.

Le texte reconnu est modifiable. Enregistrez ou copiez les corrections à conserver avant de relancer la reconnaissance, car une nouvelle analyse remplace le résultat. Pour plusieurs zones, rassemblez chaque passage vérifié dans votre propre document, dans l’ordre de lecture voulu. Gardez un titre ou un numéro de page pour retrouver facilement la source.

Vérifier les détails qui changent le sens

Relisez en affichant l’image et le texte côte à côte. Commencez par les éléments où une petite erreur change la tâche : noms, dates, négations, quantités, unités et références. Lisez ensuite le passage entier pour repérer les lignes absentes et les limites des phrases. Une formulation familière peut signaler un problème, mais ne doit pas servir à inventer un caractère illisible sur l’image.

L’étiquette suivante est un exemple d’entraînement inventé, et non une fiche de produit réel. Pour vérifier la transcription, conservez les intitulés à côté des valeurs :

名称：绿茶
净含量：1.25 kg
编号：0018
单价：38.50 元

Si 1.25 kg devient 125 kg, la disparition du point décimal multiplie la quantité par 100. La valeur correcte est de 1 250 grammes, ce qui fournit une vérification indépendante lorsqu’un autre document utilise les grammes. Si 0018 devient 18, la valeur numérique peut sembler équivalente, mais la référence ne comporte plus les quatre mêmes caractères.

Vérifiez 38.50 caractère par caractère, y compris le point décimal et le zéro final. Confirmez que 元 correspond bien à ce montant, et non à une valeur voisine. L’OCR peut reconnaître les nombres tout en les associant à la mauvaise ligne. Refaire un calcul ne corrige pas une transcription qui a relié le mauvais intitulé à une valeur.

Pour le chinois, comparez attentivement les formes proches : 未 et 末, ou 土 et 士, se distinguent par les proportions de leurs traits. Dans une référence alphanumérique, distinguez le chiffre 0 de la lettre O. Ce sont des exemples de points à vérifier, pas des erreurs annoncées pour toutes les images. Préservez la ponctuation et les mots tels que 不, qui peuvent inverser le sens d’une instruction.

Si vous ne lisez pas le passage avec assurance, utilisez l’OCR pour rendre le texte recherchable, puis faites vérifier les points incertains par une personne compétente ou par l’émetteur du document. La traduction d’un texte mal reconnu peut paraître convaincante tout en conservant l’erreur initiale. Vérifiez la transcription avant de considérer la traduction comme une explication de la source.

Corriger le problème identifié

Un résultat vide invite d’abord à examiner la zone sélectionnée : elle contient peut-être surtout du blanc, une photo ou du texte trop petit pour être distingué. Revenez à l’image entière, repérez le passage nécessaire et définissez une nouvelle zone. Vérifiez la langue et l’orientation avant de modifier plusieurs réglages à la fois.

Si les caractères semblent plausibles mais que les lignes sont dans le mauvais ordre, traitez d’abord le problème de disposition. Séparez les colonnes d’une page ou isolez un titre des mentions voisines. Pour un tableau, reconnaissez une ligne ou un petit groupe de cellules, puis reconstruisez le tableau en le comparant à l’image. Le texte brut ne conserve pas les relations entre cellules d’une feuille de calcul.

Si un seul mot est incertain, recadrez-le avec un peu de contexte et comparez le nouveau résultat au premier. Conservez les deux lectures dans vos notes jusqu’à ce que l’image ou une autre source fiable permette de trancher. Répéter la reconnaissance sur la même image floue ne constitue pas une confirmation indépendante d’un nom ou d’une référence contestable.

En cas de reflets, d’ombres fortes, de caractères décoratifs ou d’impression abîmée, une meilleure source peut faire gagner plus de temps que des essais répétés. Signalez les passages non résolus dans votre copie de travail au lieu de deviner silencieusement. Pour une étiquette courte et lisible, une saisie manuelle suivie d’une vérification caractère par caractère peut être plus fiable.

Conserver la transcription avant conversion

Après relecture, copiez le résultat ou téléchargez le fichier texte UTF-8. Ouvrez le fichier enregistré et comparez les premières et dernières lignes, les nombres d’exemple et les caractères chinois peu courants. Un téléchargement réussi confirme seulement qu’un fichier a été enregistré ; cette vérification rapide confirme qu’il contient bien le texte à conserver.

Si vous souhaitez aussi une version simplifiée ou traditionnelle, gardez une transcription vérifiée sans conversion. Utilisez le convertisseur de chinois simplifié et traditionnel sur une copie, puis vérifiez les noms et les formulations dépendant du contexte. Vous distinguerez ainsi ce qui était réellement imprimé de la version adaptée à un autre lectorat.

Avant de coller des valeurs telles que 0018 dans un tableur, définissez le format des colonnes de références sur Texte. Gardez les quantités avec leurs unités jusqu’à leur séparation volontaire en champs distincts. Lorsque c’est approprié, conservez l’image source avec vos notes pour qu’une autre personne puisse vérifier un caractère douteux sans recommencer tout le travail.